Inteligência Artificial Aula 5

Esquema de Representação do Conhecimento baseado em Lógica Utiliza conhecimento declarativo, expresso por qualquer tipo de lógica: primeira ordem; multi-valorada; fuzzy; desenvolvida por filósofos e matemáticos como processo de desenvolver inferências a partir de fatos;

Lógica fuzzy é uma lógica nebulosa com graus de certeza, validade, não existe V ou F e sim uma faixa onde as comprovações podem ser feitas Falso Verdadeiro 0...............................................................1

uso de conectivos lógicos: A lógica de primeira ordem ou lógica de predicados mais utilizada na representação de conhecimento declarativo; uso de conectivos lógicos:  (e);  (ou);  (se então);  (se e somente se);  (não);  (quantificador universal- para todo);  (quantificador existencial - existe um);

através do uso de conectivos representamos sentenças, assumindo o valor verdadeiro ou falso na representação de fatos ou situações do domínio; através do uso dos quantificadores podemos generalizar relacionamento entre fatos; a representação de conhecimento através da lógica de predicados difundiu-se em IA através de duas implementações: a linguagem PROLOG - implementa um subconjunto do cálculo de predicados através de conhecimento procedimental;

fatos= predicados e argumentos; provadores automáticos de teoremas, que implementam a prova da verdade ou falsidade de sentenças, confrontando-as com o c=banco de fatos existentes; fatos= predicados e argumentos; predicados = relacionamento entre os objetos ou o nome dos atributos dos objetos; objetos= argumentos dos predicados; exemplo: “todos os homens são mortais” e “Sócrates é homem” podem ser representadas como: 1.  x (Homem(x)  Mortal(x)) 2. Homem (Sócrates)

 = quantificador universal; Homem e Mortal são predicados; x é uma variável; Sócrates é uma constante; vantagem na representação formal propiciada pela lógica é a derivação de novos fatos a partir de fatos já conhecidos como certos, as regras de inferência que podemos aplicar no exemplo acima são especialização e generalização ; aplicando as regras de inferência nas premissas existentes derivamos: “Sócrates é mortal”, visto que é homem e todos os homens são mortais;

Regra de inferência = função sintática que, dado um conjunto de fórmulas lógicas, gera uma nova fórmula. ( “raciocina baseada no conhecimento que já possui, gerando novos”): exemplos de regras de inferência expressas em lógica de primeira onde, sendo que A e B representam fórmula quaisquer: Modus Ponens (A  (A  B))  B Modus Tollens (B  A (A  B))  A

Silogismo Hipotético ((A  B)  (B  C ))  (A  C) Especialização x (A)  A{x/a} Generalização A {x/a}  x (A) onde A{x/a} significa a fórmula obtida pela substituição, na fórmula A, de todas as ocorrências da variável x por uma constante a; popularização da representação baseada na lógica motivada pela inferência de novos fatos a partir de fatos antigos de forma mecanizada (linguagem faria este mecanismo de inferência em uma base de conhecimento pré-especificada);

Vantagens da representação baseada em lógica: representação formal que possui um conjunto de regras de inferência através do qual, a partir de fatos iniciais se pode derivar outros fatos (que não estão explicitamente representados); se pode garantir a verdade dos novos fatos deduzidos formalmente, se formem verdadeiros os fatos iniciais (raciocínio monotônico); o fecho semântico , ou seja, o conjunto de inferências e conclusões que podem ser derivadas, á completamente especificado pelas regras de inferências;

Desvantagens da rep.baseada em lógica: capacidade de explicação: dedução de novas regras através de regras já existentes, capacidade intuitiva de compreensão do domínio; método de resolução é completo: a partir das regras de inferência, todas as conclusões possíveis logicamente implicadas pelo conjunto de fatos iniciais, podem ser provadas; possui semântica formal bem entendida e aceita, uma notação sintática simples; Desvantagens da rep.baseada em lógica: inadequado para: inferir novos dados a partir de dados incertos, valores relativos tipo “muito quente”, graus de certeza, crenças diferentes;

Generalizar seu conhecimento (raciocínio indutivo) a partir dos fatos iniciais; raciocinar analogicamente; a lógica de predicados não fornece pistas quanto à localização dos fatos que serão utilizados na prova de um resultado desejado (apresenta dificuldades para representar conhecimento procedimental e/ou heurístico); separa representação do conhecimento e processamento, sendo que a principal dificuldade consiste em determinar como os fatos armazenados na base podem ser usados, e não como devem ser armazenados; potencialmente ineficiente, se não prestar atenção em como as cláusulas serão utilizadas;

exemplo de representações: Falta de facilidades para estruturação do conhecimento, dificultando o uso desse esquema para grandes bases de conhecimento; exemplos STRIPS _ Stanford Research Institute Problem Solver projetado para resolver problemas de planejamento enfrentados por um robô ao rearranjar objetos e mover-se em um ambiente desordenado; exemplo de representações: Marcos era um homem = Homem (Marcos); Marcos nasceu um Pompéia = Pompeano (Marcos);

Todos os que nasceram em Pompéia eram romanos = x: Pompeano (x)  Romano(x); César era um soberano = soberano (César); Todos os romanos eram leais a César ou então odiavam-no = x: Romano (x)  leal_a (x, César)  odeia (x, César);

Regras de produção Exemplo de sistema de representação procedimental , baseado na lógica de primeira ordem (prolog constitui um exemplo desta abordagem); especialistas tendem a expressar suas técnicas de solução de problemas em termos de conjuntos de regras situação-ação; regras de produção = conhecimento é representado como uma coleção de regras do tipo se condição então ação;

regra de produção carater estímulo-resposta na representação ; A ação corresponde a algum procedimento que acarreta uma conclusão ou mudança no estado corrente; o conjunto de regras de produção é visto como uma representação de conhecimento procedimental, baseada em lógica de primeira ordem; este esquema representa uma das melhores meios disponíveis para codificação da experiência de especialistas, na resolução de problemas; regra de produção carater estímulo-resposta na representação ;

Principais propriedades das regras de produção: incorporam conhecimento prático (heurístico) em regras se-então; sua habilidade cresce em uma taxa proporcional ao crescimento da base de conhecimento (crescimento incremental); pode resolver um grande intervalo de problemas possivelmente complexos utilizando regras relativamente simples e combinando os resultados de maneira apropriada; podem explicar suas conclusões refazendo suas linhas de raciocínio e traduzindo a lógica de cada regra empregada em linguagem natural;

Cada regra aproxima um fragmento independente do conhecimento (conhecimento refinado com a adição de nova regra); as regras de produção descrevem as relações entre os objetos do domínio ( se... então...); os objetos tem diversos atributos ligados a ele